Seminare
Seminare
  • Seminare
  • Anbieter
  • 5 km
  • 10 km
  • 25 km
  • 50 km
  • 100 km
  • 150 km
  • 200 km
  • 300 km

TinyML für Defense: Quantisierung, Edge-Deploy

Seminar - PROKODA GmbH

TinyML für Defense: Quantisierung, Edge-Deploy
Termin Ort Preis*
15.04.2026- 17.04.2026 München 2.249,10 €
15.04.2026- 17.04.2026 online 2.249,10 €
19.08.2026- 21.08.2026 online 2.249,10 €
19.08.2026- 21.08.2026 München 2.249,10 €

Alle Termine anzeigen

*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:
  • Use-Cases taktischer Sensorik
    • Signal- und Sensordaten: Audio, Vibration, IMU, Radar-Features
    • On-device Inferenz: Latenz, Energie, Bandbreite, EMV-Randbedingungen
    • Threat Modeling: Angriffsflächen bei Edge-AI
  • Datenpipeline & Feature Engineering
    • Sampling, Windowing, Overlap, Labeling-Strategien
    • FFT, Mel-Features, Statistical Features, Spectrogramme
    • Datensplits, Leakage vermeiden, reproduzierbare Experimente
  • Modellarchitekturen für TinyML
    • 1D-CNNs, DS-CNN, kleine RNNs, Temporal Convolutions
    • Trade-offs: Accuracy vs. Footprint vs. Latenz
    • Early-Exit und Kaskaden für Energieeinsparung
  • Quantisierung richtig machen
    • Post-Training Quantization (PTQ) vs. Quantization-Aware Training (QAT)
    • INT8, per-channel vs. per-tensor, Calibration-Daten
    • Quantisierungsfehler diagnostizieren und beheben
  • Pruning, Distillation & Kompression
    • Structured Pruning für echte Speed-ups
    • Knowledge Distillation für kleine Modelle
    • Speicherlayout, Operator-Fusion, Lookup-Tabellen
  • Deployment auf Embedded Targets
    • TensorFlow Lite Micro: Operatoren, Memory Arena, Debugging
    • CMSIS-NN und Hardwarebeschleuniger-Grundlagen
    • Profiling: Zykluszeiten, RAM/Flash, Energieabschätzung
  • Robustheit, Tests und Betrieb
    • Confusion Matrix, ROC, FPR unter Einsatzbedingungen
    • Drift-Erkennung, Re-Calibration, Update-Strategien
    • Adversarial/Signal-Angriffe: Baseline-Härtung
Teilnahmevoraussetzungen:
  • Grundkenntnisse in Machine Learning und Modelltraining (z. B. Klassifikation).
  • Basisverständnis für Embedded-Systeme und C/C++ oder vergleichbare Low-Level-Konzepte ist hilfreich.
Zielgruppe:
  • Embedded-Entwicklerinnen und Embedded-Entwickler mit ML-Bezug
  • Data Scientists, die Edge-Deployment verantworten
  • Systemingenieurinnen und Systemingenieure für Sensorik und Signalverarbeitung
  • Security Engineers mit Fokus auf Edge-Angriffsflächen
  • Für alle, die TinyML-Modelle für taktische Sensoren quantisieren und auf Embedded Targets betreiben wollen.
Nach unten
Nach oben
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.
Akzeptieren Nicht akzeptieren









Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha



Bei der Verarbeitung Ihrer personenbezogenen Daten im Zusammenhang mit der Kontaktfunktion beachten wir die gesetzlichen Bestimmungen. Unsere ausführlichen Datenschutzinformationen finden Sie hier. Bei der Kontakt-Funktion erhobene Daten werden nur an den jeweiligen Anbieter weitergeleitet und sind nötig, damit der Anbieter auf Ihr Anliegen reagieren kann.







Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha